AI源碼解讀：卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)案例（CNN Python版）

定　價：￥99.00

作　者：	李永華著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	人工智能科學(xué)與技術(shù)叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787302570660	出版時間：	2021-10-01	包裝：	平裝
開本：	16開	頁數(shù)：	384	字?jǐn)?shù)：

內(nèi)容簡介

　　本書以人工智能發(fā)展為時代背景，通過20個機(jī)器學(xué)習(xí)模型和算法案例，為讀者提供較為詳細(xì)的實(shí)戰(zhàn)方案，以便進(jìn)行深度學(xué)習(xí)。在編排方式上，全書側(cè)重對創(chuàng)新項(xiàng)目的過程進(jìn)行介紹，分別從整體設(shè)計、系統(tǒng)流程和實(shí)現(xiàn)模塊等角度論述數(shù)據(jù)處理、模型訓(xùn)練和模型應(yīng)用等過程，并剖析模塊的功能、使用及程序代碼。為便于讀者高效學(xué)習(xí)，快速掌握人工智能程序開發(fā)方法，本書配套提供項(xiàng)目設(shè)計工程文檔、程序代碼、實(shí)現(xiàn)過程中出現(xiàn)的問題及解決方法等資料，可供讀者舉一反三，二次開發(fā)。本書語言簡潔，深入淺出，通俗易懂，不僅適合對Python編程有興趣的愛好者，而且可作為高等院校相關(guān)專業(yè)的參考教材，還可作為從事智能應(yīng)用創(chuàng)新開發(fā)專業(yè)人員的技術(shù)參考書。

作者簡介

　　李永華：北京郵電大學(xué)，教授，擁有超過10年的軟硬件開發(fā)經(jīng)驗(yàn)，長期致力于物聯(lián)網(wǎng)、云計算與人工智能的研究工作。在教學(xué)中以興趣為導(dǎo)向，激發(fā)學(xué)生的創(chuàng)造性；以素質(zhì)為基礎(chǔ)，提高自身教學(xué)水平；以科研為手段，促進(jìn)教學(xué)理念的轉(zhuǎn)變，在教學(xué)與科研實(shí)踐中指導(dǎo)學(xué)生實(shí)現(xiàn)300余個創(chuàng)新案例。主持30余項(xiàng)國j級與企事業(yè)單位課題的研究工作，在國內(nèi)外學(xué)術(shù)期刊及會議發(fā)表論文100余篇，申請專利50余項(xiàng)，出版圖書20余部。

圖書目錄

項(xiàng)目1電影推薦小程序
1.1總體設(shè)計
1.1.1系統(tǒng)整體結(jié)構(gòu)
1.1.2系統(tǒng)流程
1.2運(yùn)行環(huán)境
1.2.1Python環(huán)境
1.2.2TensorFlow環(huán)境
1.3模塊實(shí)現(xiàn)
1.3.1數(shù)據(jù)預(yù)處理
1.3.2模型設(shè)計
1.3.3模型訓(xùn)練及測試
1.3.4特征矩陣提取
1.3.5推薦電影
1.3.6客戶端
1.4系統(tǒng)測試
1.4.1訓(xùn)練準(zhǔn)確率
1.4.2運(yùn)行結(jié)果
項(xiàng)目2服裝分類助手
2.1總體設(shè)計
2.1.1系統(tǒng)整體結(jié)構(gòu)
2.1.2系統(tǒng)流程
2.2運(yùn)行環(huán)境
2.2.1Python環(huán)境
2.2.2PyTorch環(huán)境
2.2.3Django環(huán)境
2.3模塊實(shí)現(xiàn)
2.3.1數(shù)據(jù)預(yù)處理
2.3.2模型創(chuàng)建與編譯
2.3.3模型訓(xùn)練及保存
2.3.4模型生成
2.4系統(tǒng)測試
2.4.1訓(xùn)練準(zhǔn)確率
2.4.2測試效果
2.4.3模型應(yīng)用
項(xiàng)目3檢索式模型聊天機(jī)器人
3.1總體設(shè)計
3.1.1系統(tǒng)整體結(jié)構(gòu)
3.1.2系統(tǒng)流程
3.2運(yùn)行環(huán)境
3.2.1Python環(huán)境
3.2.2TensorFlow環(huán)境
3.3模塊實(shí)現(xiàn)
3.3.1數(shù)據(jù)預(yù)處理
3.3.2模型創(chuàng)建與編譯
3.3.3模型訓(xùn)練及保存
3.3.4模型生成
3.4系統(tǒng)測試
3.4.1訓(xùn)練準(zhǔn)確率
3.4.2測試效果
3.4.3模型應(yīng)用
項(xiàng)目4方言種類識別
4.1總體設(shè)計
4.1.1系統(tǒng)整體結(jié)構(gòu)
4.1.2系統(tǒng)流程
4.2運(yùn)行環(huán)境
4.2.1Python環(huán)境
4.2.2TensorFlow環(huán)境
4.2.3Jupyter Notebook環(huán)境
4.2.4PyCharm環(huán)境
4.3模塊實(shí)現(xiàn)
4.3.1數(shù)據(jù)預(yù)處理
4.3.2模型構(gòu)建
4.3.3模型訓(xùn)練及保存
4.3.4模型生成
4.4系統(tǒng)測試
4.4.1訓(xùn)練準(zhǔn)確率
4.4.2測試效果
項(xiàng)目5行人檢測與追蹤計數(shù)
5.1總體設(shè)計
5.1.1系統(tǒng)整體結(jié)構(gòu)
5.1.2系統(tǒng)流程
5.2運(yùn)行環(huán)境
5.2.1Python環(huán)境
5.2.2TensorFlow環(huán)境
5.2.3安裝所需的軟件包
5.2.4硬件環(huán)境
5.3模塊實(shí)現(xiàn)
5.3.1準(zhǔn)備數(shù)據(jù)
5.3.2數(shù)據(jù)預(yù)處理
5.3.3目標(biāo)檢測
5.3.4目標(biāo)追蹤
5.3.5主函數(shù)
5.4系統(tǒng)測試
項(xiàng)目6智能果實(shí)采摘指導(dǎo)系統(tǒng)
6.1總體設(shè)計
6.1.1系統(tǒng)整體結(jié)構(gòu)
6.1.2系統(tǒng)流程
6.2運(yùn)行環(huán)境
6.2.1Python環(huán)境
6.2.2TensorFlow環(huán)境
6.2.3Jupyter Notebook環(huán)境
6.2.4PyCharm環(huán)境
6.2.5微信開發(fā)者工具
6.2.6OneNET云平臺
6.3模塊實(shí)現(xiàn)
6.3.1數(shù)據(jù)預(yù)處理
6.3.2創(chuàng)建模型與編譯
6.3.3模型訓(xùn)練及保存
6.3.4上傳結(jié)果
6.3.5小程序開發(fā)
6.4系統(tǒng)測試
6.4.1訓(xùn)練準(zhǔn)確率
6.4.2測試效果
6.4.3外部訪問效果
項(xiàng)目7基于CNN的貓種類識別
7.1總體設(shè)計
7.1.1系統(tǒng)整體結(jié)構(gòu)
7.1.2系統(tǒng)流程
7.2運(yùn)行環(huán)境
7.2.1計算型云服務(wù)器
7.2.2Python環(huán)境
7.2.3TensorFlow環(huán)境
7.2.4MySQL環(huán)境
7.2.5Django環(huán)境
7.3模塊實(shí)現(xiàn)
7.3.1數(shù)據(jù)預(yù)處理
7.3.2數(shù)據(jù)增強(qiáng)
7.3.3普通CNN模型
7.3.4殘差網(wǎng)絡(luò)模型
7.3.5模型生成
7.4系統(tǒng)測試
7.4.1訓(xùn)練準(zhǔn)確率
7.4.2測試效果
7.4.3模型應(yīng)用
項(xiàng)目8基于VGG16的駕駛行為分析
8.1總體設(shè)計
8.1.1系統(tǒng)整體結(jié)構(gòu)
8.1.2系統(tǒng)流程
8.2運(yùn)行環(huán)境
8.2.1Python環(huán)境
8.2.2TensorFlow環(huán)境
8.2.3Android環(huán)境
8.3模塊實(shí)現(xiàn)
8.3.1數(shù)據(jù)預(yù)處理
8.3.2模型構(gòu)建
8.3.3模型訓(xùn)練及保存
8.3.4模型生成
8.4系統(tǒng)測試
8.4.1訓(xùn)練準(zhǔn)確率
8.4.2測試效果
8.4.3模型應(yīng)用
項(xiàng)目9基于Mask RCNN的娛樂視頻生成器
9.1總體設(shè)計
9.1.1系統(tǒng)整體結(jié)構(gòu)
9.1.2系統(tǒng)流程
9.2運(yùn)行環(huán)境
9.2.1Python環(huán)境
9.2.2PyTorch環(huán)境
9.2.3Detectron2平臺
9.2.4MoviePy的安裝
9.2.5PyQt的安裝
9.3模塊實(shí)現(xiàn)
9.3.1數(shù)據(jù)處理
9.3.2視頻處理
9.3.3PyQt界面
9.4系統(tǒng)測試
9.4.1訓(xùn)練準(zhǔn)確率
9.4.2運(yùn)行效率
9.4.3應(yīng)用使用說明
項(xiàng)目10基于CycleGAN的圖像轉(zhuǎn)換
10.1總體設(shè)計
10.1.1系統(tǒng)整體結(jié)構(gòu)
10.1.2系統(tǒng)流程
10.2運(yùn)行環(huán)境
10.2.1Python環(huán)境
10.2.2TensorFlow GPU環(huán)境
10.2.3Android環(huán)境
10.3模塊實(shí)現(xiàn)
10.3.1數(shù)據(jù)集預(yù)處理
10.3.2模型構(gòu)建
10.3.3模塊分析
10.3.4模型訓(xùn)練及保存
10.3.5模型生成
10.4系統(tǒng)測試
項(xiàng)目11交通警察——車輛監(jiān)控系統(tǒng)
11.1總體設(shè)計
11.1.1系統(tǒng)整體結(jié)構(gòu)
11.1.2系統(tǒng)流程
11.2運(yùn)行環(huán)境
11.2.1Python環(huán)境
11.2.2TensorFlow環(huán)境
11.2.3PyCharm IDE配置
11.2.4Protoc配置
11.3模塊實(shí)現(xiàn)
11.3.1API下載及載入
11.3.2識別訓(xùn)練
11.3.3導(dǎo)入模型與編譯
11.3.4模型生成
11.4系統(tǒng)測試
項(xiàng)目12驗(yàn)證碼的生成與識別
12.1總體設(shè)計
12.1.1系統(tǒng)整體結(jié)構(gòu)
12.1.2系統(tǒng)流程
12.2運(yùn)行環(huán)境
12.2.1Python環(huán)境
12.2.2TensorFlow環(huán)境
12.2.3VsCode環(huán)境
12.3模塊實(shí)現(xiàn)
12.3.1數(shù)據(jù)預(yù)處理
12.3.2模型搭建
12.3.3模型訓(xùn)練及保存
12.3.4模型測試
12.4系統(tǒng)測試
12.4.1訓(xùn)練準(zhǔn)確率
12.4.2測試效果
項(xiàng)目13基于CNN的交通標(biāo)志識別
13.1總體設(shè)計
13.1.1系統(tǒng)整體結(jié)構(gòu)
13.1.2系統(tǒng)流程
13.2運(yùn)行環(huán)境
13.3模塊實(shí)現(xiàn)
13.3.1數(shù)據(jù)預(yù)處理
13.3.2模型構(gòu)建
13.3.3模型訓(xùn)練及保存
13.4系統(tǒng)測試
13.4.1訓(xùn)練準(zhǔn)確率
13.4.2測試效果
項(xiàng)目14圖像風(fēng)格轉(zhuǎn)移
14.1總體設(shè)計
14.1.1系統(tǒng)整體結(jié)構(gòu)
14.1.2系統(tǒng)流程
14.2運(yùn)行環(huán)境
14.2.1Python環(huán)境
14.2.2TensorFlow環(huán)境
14.2.3庫安裝
14.2.4VGG19網(wǎng)絡(luò)下載
14.3模塊實(shí)現(xiàn)
14.3.1實(shí)時風(fēng)格轉(zhuǎn)移
14.3.2非實(shí)時風(fēng)格轉(zhuǎn)移
14.3.3交互界面設(shè)計
14.4系統(tǒng)測試
14.4.1非實(shí)時風(fēng)格轉(zhuǎn)移測試
14.4.2實(shí)時風(fēng)格轉(zhuǎn)移測試
項(xiàng)目15口罩識別系統(tǒng)
15.1總體設(shè)計
15.1.1系統(tǒng)整體結(jié)構(gòu)
15.1.2系統(tǒng)流程
15.2運(yùn)行環(huán)境
15.3模塊實(shí)現(xiàn)
15.3.1數(shù)據(jù)預(yù)處理
15.3.2模型訓(xùn)練及保存
15.3.3頁面顯示和視頻流輸入
15.3.4模型生成
15.4系統(tǒng)測試
15.4.1訓(xùn)練準(zhǔn)確率
15.4.2測試效果
項(xiàng)目16垃圾分類微信小程序
16.1總體設(shè)計
16.1.1系統(tǒng)整體結(jié)構(gòu)
16.1.2系統(tǒng)流程
16.2運(yùn)行環(huán)境
16.2.1Python環(huán)境
16.2.2TensorFlow環(huán)境
16.2.3微信小程序及后臺服務(wù)器環(huán)境
16.3模塊實(shí)現(xiàn)
16.3.1數(shù)據(jù)預(yù)處理
16.3.2創(chuàng)建模型與編譯
16.3.3模型訓(xùn)練及保存
16.3.4模型生成
16.4系統(tǒng)測試
16.4.1訓(xùn)練準(zhǔn)確率
16.4.2測試效果
16.4.3模型應(yīng)用
項(xiàng)目17基于OpenCV的人臉識別程序
17.1總體設(shè)計
17.1.1系統(tǒng)整體結(jié)構(gòu)
17.1.2系統(tǒng)流程
17.2運(yùn)行環(huán)境
17.2.1Python環(huán)境
17.2.2TensorFlow環(huán)境
17.3模塊實(shí)現(xiàn)
17.3.1數(shù)據(jù)預(yù)處理
17.3.2模型構(gòu)建
17.3.3模型訓(xùn)練
17.4系統(tǒng)測試
項(xiàng)目18基于CGAN的線稿自動上色
18.1總體設(shè)計
18.1.1系統(tǒng)整體結(jié)構(gòu)
18.1.2系統(tǒng)流程
18.2運(yùn)行環(huán)境
18.2.1Python環(huán)境
18.2.2TensorFlow環(huán)境
18.3模塊實(shí)現(xiàn)
18.3.1數(shù)據(jù)預(yù)處理
18.3.2模型構(gòu)建
18.3.3模型訓(xùn)練及保存
18.3.4模型應(yīng)用
18.4系統(tǒng)測試
18.4.1訓(xùn)練效果
18.4.2測試效果
18.4.3模型使用說明
項(xiàng)目19基于ACGAN的動漫頭像生成
19.1總體設(shè)計
19.1.1系統(tǒng)整體結(jié)構(gòu)
19.1.2系統(tǒng)流程
19.2運(yùn)行環(huán)境
19.2.1Python環(huán)境
19.2.2TensorFlow環(huán)境
19.2.3OpenCV環(huán)境
19.2.4Illustration2Vec
19.3模塊實(shí)現(xiàn)
19.3.1數(shù)據(jù)獲取
19.3.2數(shù)據(jù)處理
19.3.3模型構(gòu)建
19.3.4模型訓(xùn)練及保存
19.4系統(tǒng)測試
19.4.1模型導(dǎo)入及調(diào)用
19.4.2生成指定標(biāo)簽
項(xiàng)目20手勢語言識別
20.1總體設(shè)計
20.1.1系統(tǒng)整體結(jié)構(gòu)
20.1.2系統(tǒng)流程
20.2運(yùn)行環(huán)境
20.2.1Python環(huán)境
20.2.2TensorFlow環(huán)境
20.2.3OpenCVPython環(huán)境
20.3模塊實(shí)現(xiàn)
20.3.1設(shè)置直方圖
20.3.2載入手勢圖片
20.3.3模型訓(xùn)練及保存
20.4系統(tǒng)測試
20.4.1測試準(zhǔn)確率
20.4.2測試效果